微弱光信号的量子增强接收优化方法(特邀)EI北大核心CSCD

在经典理论框架下,相干探测性能受限于散粒噪声对应的标准量子极限,而量子增强接收技术通过引入位移算子,采用关联的方式将经典的平衡零拍/零差探测转化为光子数态的测量,理论上可以突破标准量子极限并不断逼近Helstrom极限。无歧义量子态识别(Unambiguous State Discrimination,USD)是量子增强接收常用的识别判决策略之一。然而,由于微弱光信号的能量有限,传统的USD量子增强接收方法的适用微弱信号范围较小,微弱信号识别的错误率较高。提出了一种QPSK调制量子增强接收的混合测量优化方案,该方案首先通过二态零差测量将QPSK相干态的区分转化为BPSK相干态的区分,然后通过BPSK量子增强接收测量实现相干态的无歧义识别。仿真表明,混合测量方案在平均光子数在3.2~11.3之间优于经典的外差测量方案,而且比传统QPSK量子增强接收方案具有更大的适用信号范围。     

现实题材电视剧的情感传播策略研究——以《我们的日子》为例

现实题材电视剧是围绕现实世界,聚焦真实故事或社会热点再现社会现实面貌的电视类型,依托强烈的情感传播引发群体情感共鸣、反映时代真实变迁、形成正确价值导向。以2023年热播的现实题材电视剧《我们的日子》为例,从主题、内容、叙事三个角度入手,剖析其弘扬时代主旋律、定制化内容生产、形成多元叙事等情感传播策略,并结合当前现实题材电视剧在情感传播方面存在的问题,提出实现情感价值的多维度连接、落实情感话语的多元化表达、保障情感影响的互动式传播等策略。     

基于对比层级相关性传播的由粗到细的类激活映射算法研究

以卷积神经网络为代表的深度学习算法高度依赖于模型的非线性和调试技术,在实际应用过程中普遍存在黑箱属性,严重限制了其在安全敏感领域的进一步发展。为此,该文提出一种由粗到细的类激活映射算法(CF-CAM),用于对深度神经网络的决策行为进行诊断。该算法重新建立了特征图和模型决策之间的关系,利用对比层级相关性传播理论获取特征图中每个位置对网络决策的贡献生成空间级的相关性掩码,找到影响模型决策的重要性区域,再与经过模糊化操作的输入图像进行线性加权重新输入到网络中得到特征图的目标分数,从空间域和通道域实现对深度神经网络进行由粗到细的解释。实验结果表明,相较于其他方法该文提出的CF-CAM在忠实度和定位性能上具有显著提升。此外,该文将CF-CAM作为一种数据增强策略应用于鸟类细粒度分类任务,对困难样本进行学习,可以有效提高网络识别的准确率,进一步验证了CF-CAM算法的有效性和优越性。     

一种宽带注入锁定三倍频器

文章提出了一种宽带注入锁定三倍频器。在传统注入方式基础上,倍频器采用了推-推差分对输入信号进行二倍频,并将产生的二次谐波通过变压器耦合至注入管的源极共模点,增强了注入管源极共模点二次谐波。由于注入电流是由注入信号与源极共模点二次谐波进行混频而产生,因此注入电流也被增强,从而增大了锁定范围。除此之外,三倍频采用了四阶谐振器,谐振阻抗的相位在过零点被平坦化,锁定范围进一步被增大。采用标准CMOS 65 nm工艺设计三倍频,芯片面积为720×670 μm²,1.2-V供电时的功耗为15.2 mW。0 dBm注入功率下三倍频的锁定范围为19.2~27.6 GHz,对应的基波抑制比大于25 dB,二次谐波抑制大于35 dB。注入锁定三倍频器可满足5G收发机中本振源的要求。     

改进时空滤波的红外弱小目标检测

为了有效解决动态背景变化导致弱小目标检测率低的问题,文中提出了改进时空滤波的红外弱小目标检测算法。首先在分析红外图像成像特性的基础上,针对目标区、背景区和边缘轮廓区不同梯度特性的差异,提出改进的各向异性空域滤波算法,该算法充分利用空间域的梯度信息来构建不同方向的扩散滤波函数,并结合图像不同特性的梯度差异选取扩散函数值最小的两个方向的均值作为时域滤波结果,以最大限度地保留目标信号;接着为有效增强弱小目标的能量,针对高阶累积量仅利用像元点时域信息来构建能量增强的不足,提出了一种结合时空邻域块的能量增强算法,实验表明,本文提出的算法能有效提升动态场景下的弱小目标的检测能力。     

基于多尺度语义网络的红外舰船目标检测

为了增强舰船检测的抗干扰性能,本文提出了一种有效且稳定的单阶段舰船检测网络,该网络主要由3个模块组成：特征优化模块,特征金字塔融合模块和上下文增强模块,其中特征优化模块是提取多尺度上下文信息,并进一步细化和增强顶层特征输入特性,增强弱小目标检测性能;特征金字塔融合模块能够生成表征能力更强的语义信息;上下文增强模块则是整合局部和全局特征增强网络特征表达能力,以降低复杂背景对检测性影响,平衡前景和背景的不均衡差异,消除鱼鳞波的影响。为了验证本文所提方法的有效性和鲁棒性,本文对自建的舰船数据集进行了定性定量验证。实验结果表明,相比现有最新基准对比模型,本文所提网络在自建数据集上均达到了最优性能,在不增加复杂度的情况下极大提升了检测精度。     

特征增强和双线性特征向量融合的移动端工业货箱文本检测

在实际工业环境下,光线昏暗、文本不规整、设备有限等因素,使得文本检测成为一项具有挑战性的任务。针对此问题,设计了一种基于双线性操作的特征向量融合模块,并联合特征增强与半卷积组成轻量级文本检测网络RGFFD（ResNet18+GhostModule+特征金字塔增强模块（feature pyramid enhancement module, FPEM）+ 特征融合模块（feature fusion module,FFM）+可微分二值化（differenttiable binarization,DB））。其中,Ghost模块内嵌特征增强模块,提升特征提取能力,双线性特征向量融合模块融合多尺度信息,添加自适应阈值分割算法提高DB模块分割能力。在实际工厂环境下,采用嵌入式设备UP2 board对货箱编号进行文本检测,RGFFD检测速度达到6.5 f/s。同时在公共数据集ICDAR2015、Total-text上检测速度分别达到39.6 f/s和49.6 f/s,在自定义数据集上准确率达到88.9%,检测速度为30.7 f/s。     

基于5G移动通信网络的城市轨道交通PIS系统应用探究

5G移动通信网络采用新一代蜂窝移动技术,其数据传输速率高于第四代移动通信网络的十倍之多,将第五代移动通信网络应用于城市轨道交通PIS无线系统中,可改善目前基于无线局域网构建的PIS系统中通讯信号易干扰、故障多等弊端。本文从LTE-A技术、MIMO增强技术、MEC技术等5G移动通信关键技术为切入点,从城市轨道交通系统的核心层、接入层、应用层出发,构建全新的智慧轨道交通系统。     

GBAS基准站多径效应评估技术

陆基增强系统(GBAS)播发的差分信息无法校正 GBAS 地面子系统与机载子系统之间的非相关误差,如多径误差,致使其成为 GBAS 在标称环境下的最大误差源。在 GBAS 基准站正式部署之前,必须对初始台址进行多径效应的量化评估,以验证当前站址是否满足安装要求。 基于码减载波(CMC)方法,进行了实际安装的 GBAS 基准站的多径效应评估。结果表明,当前 GBAS 基准站布设环境可以满足多径误差要求。同时,载波平滑算法可有效抑制站点的多径效应, 且算法随平滑时间常数的增大而更加有效。在当前安装条件下,GBAS 基准站多径误差指标项结果满足 GAD-B3 类精度等级要求。